Gründe für die Nutzung von R

• Als Weg kreativ zu sein …
• Graphiken, Graphiken, Graphiken
• In Kombination mit anderen Programmen nutzbar
• Zur Verbindung von Datenstrukturen
• Zum Automatisieren
• Um die Intelligenz anderer Leute zu nutzen ;-)
• …

Gründe

• R ist frei verfügbar. Es kann umsonst runtergeladen werden.
• R ist eine Skriptsprache
• Gute Möglichkeiten für die Visualisierung (Link )
• R wird immer populärer
• Popularität von R

Übersicht - warum R

R lässt sich kombinieren…

R für SPSS Nutzer

install.packages("Rcmdr")
library("Rcmdr")

Bob Munich - R for SPSS and SAS Users

Die Popularität von R

R Nutzer rund um die Welt

R Welt

Wo sind die aktivsten Nutzer?

Aktivität Nutzer

Erwartungen und Anforderungen

Das kann diese Schulung vermitteln:

• Eine praxisnahe Einfuhrung in die statistische Programmiersprache R
• Erlernen einer Programmier-Strategie
• Guten Stil
• Die Vorzüge graphischer Datenanalyse

Erwartungen und Anforderungen II

Das kann sie nicht leisten:

• Eine Einführungsveranstaltung in die Statistik geben
• Grundlegende datenanalytische Konzepte vermitteln
• Verständnis zementieren
• Das Trainieren abnehmen

R herunterladen:

http://www.r-project.org/

Links

• Vergleich python und R

• Warum man R für Data Science lernen sollte

• R Technologie des Jahres

• Why R is Good for Business

• Warum R auf r-bloggers

• Intro R

• Intro R II

Probleme mit Excel

Weil andere Programme große Fehler haben:

• Excel bug

• Datum in Excel

Probleme mit Excel

Vergleich mit anderen Programmen

Open Source Programm R

• R ist eine freie, nicht-kommerzielle Implementierung der Programmiersprache S (von AT&T Bell Laboratories entwickelt)

• Freie Beteiligung - modularer Aufbau (immer mehr Erweiterungspakete)

• Der Download ist auf dieser Seite möglich:

https://cran.r-project.org/

Graphisches User Interface

Aber die meisten Menschen nutzen einen Editor oder ein graphical user interface (GUI).

Aus den folgenden Gründen:

• Syntax highlighting
• Auto-Vervollständigung
• Bessere Übersicht über Graphiken, Bibliotheken

Verschiedene GUIs

• Gedit mit R-spezifischen Add-ons für Linux

• Emacs

• TinnR

• Ich nutze Rstudio!

rstudio

Download der Unterlagen

Auf github sind alle Unterlagen für diesen Kurs zu finden.

Wie nutzt man github?

Rstudio

• Sechs Gründe Rstudio zu nutzen.

• Wie man Rstudio nutzen kann.

• Das Rstudio einrichten

Aufgabe - Vorbereitung

• Prüfen Sie, ob eine Version von R auf Rechner installiert ist.
• Falls dies nicht der Fall ist, laden Sie R runter und installieren Sie R.
• Prüfen Sie, ob Rstudio installiert ist.
• Falls nicht - Installieren sie Rstudio.
• Laden Sie die R-Skripte von meinem GitHub-Account
• Erstellen Sie ein erstes Script und finden Sie das Datum mit dem Befehl date() und die R-version mit sessionInfo() heraus.

date()

## [1] "Thu Apr 27 21:45:43 2017"

sessionInfo()

## R version 3.3.3 (2017-03-06)
## Platform: x86_64-w64-mingw32/x64 (64-bit)
## Running under: Windows 7 x64 (build 7601) Service Pack 1
## 
## locale:
## [1] LC_COLLATE=German_Germany.1252  LC_CTYPE=German_Germany.1252   
## [3] LC_MONETARY=German_Germany.1252 LC_NUMERIC=C                   
## [5] LC_TIME=German_Germany.1252    
## 
## attached base packages:
## [1] stats     graphics  grDevices utils     datasets  methods   base     
## 
## loaded via a namespace (and not attached):
##  [1] backports_1.0.5 magrittr_1.5    rprojroot_1.2   tools_3.3.3    
##  [5] htmltools_0.3.5 yaml_2.1.13     Rcpp_0.12.6     stringi_1.1.1  
##  [9] rmarkdown_1.4   knitr_1.15.1    stringr_1.2.0   digest_0.6.12  
## [13] evaluate_0.10

R ist eine Objekt-orientierte Sprache

Vektoren und Zuweisungen

• R ist eine Objekt-orientierte Sprache
• <- ist der Zuweisungsoperator

b <- c(1,2) # erzeugt ein Objekt mit den Zahlen 1 und 2

• Eine Funktion kann auf dieses Objekt angewendet werden:

mean(b) # berechnet den Mittelwert

## [1] 1.5

Mit den folgenden Funktionen können wir etwas über die Eigenschaften des Objekts lernen:

length(b) # b hat die Länge 2

## [1] 2

Objektstruktur

str(b) # b ist ein numerischer Vektor

##  num [1:2] 1 2

Funktionen im base-Paket

Diese Funktionen brauchen nur ein Argument.

Funktionen mit mehr Argumenten

Andere Funktionen brauchen mehr:

Beispiel - Funktionen mit einem Argument

max(b)

## [1] 2

min(b)

## [1] 1

sd(b)

## [1] 0.7071068

var(b)

## [1] 0.5

Funktionen mit einem Argument

mean(b)

## [1] 1.5

median(b)

## [1] 1.5

Funktionen mit mehr Argumenten

quantile(b,.9)

## 90% 
## 1.9

sample(b,1) 

## [1] 2

Übersicht Befehle

http://cran.r-project.org/doc/manuals/R-intro.html

Aufgabe - Zuweisungen und Funktionen

Erzeugen Sie einen Vektor b mit den Zahlen von 1 bis 5 und berechnen Sie…

1. den Mittelwert

2. die Varianz

3. die Standardabweichung

4. die quadratische Wurzel aus dem Mittelwert

Verschiedene Datentypen

Quelle: R. Münnich und M. Knobelspieß (2007): Einführung in das statistische Programmpaket R

Verschiedene Datentypen

b <- c(1,2) # numeric
log <- c(T,F) # logical
char <-c("A","b") # character
fac <- as.factor(c(1,2)) # factor

Mit str() bekommt man den Objekttyp.

Indizieren eines Vektors:

A1 <- c(1,2,3,4)
A1

## [1] 1 2 3 4

A1[1]

## [1] 1

A1[4]

## [1] 4

A1[1:3]

## [1] 1 2 3

A1[-4]

## [1] 1 2 3

data.frames

Beispieldaten generieren:

AGE <- c(20,35,48,12)
SEX <- c("m","w","w","m")

Diese beiden Vektoren zu einem data.frame verbinden:

Daten <- data.frame(Alter=AGE,Geschlecht=SEX)

Anzahl der Zeilen/Spalten herausfinden

nrow(Daten) # Zeilen

## [1] 4

ncol(Daten) # Spalten

## [1] 2

Indizieren

Indizieren eines dataframe:

AA <- 4:1
A2 <- cbind(A1,AA)
A2[1,1]

## A1 
##  1

A2[2,]

## A1 AA 
##  2  3

A2[,1]

## [1] 1 2 3 4

A2[,1:2]

##      A1 AA
## [1,]  1  4
## [2,]  2  3
## [3,]  3  2
## [4,]  4  1

Matrizen und Arrays

• In Matrizen und Arrays stehen meist nur numerische Werte.
• Dadurch wird beispielsweise Matrix Multiplikation möglich.
• Anders als beim data.frame sind mehr als zwei Dimensionen möglich.

A <- matrix(seq(1,100), nrow = 4)
dim(A)

## [1]  4 25

Ein Array erzeugen

A3 <- array(1:8,c(2,2,2))
A3

## , , 1
## 
##      [,1] [,2]
## [1,]    1    3
## [2,]    2    4
## 
## , , 2
## 
##      [,1] [,2]
## [1,]    5    7
## [2,]    6    8

Indizieren eines Array

A3[,,2]

##      [,1] [,2]
## [1,]    5    7
## [2,]    6    8

Listen

• Eine Liste in R entspricht einem geschachtelten Array in anderen Programmiersprachen
• Listen können alles enthalten
• Listen können geschachtelt sein
• Listen sollte man sehr bedacht verwenden

Indizieren einer Liste

A4 <- list(A1,1)
A4

## [[1]]
## [1] 1 2 3 4
## 
## [[2]]
## [1] 1

A4[[2]]

## [1] 1

Logische Operatoren

# Ist 1 größer als 2?
1>2

## [1] FALSE

1<2

## [1] TRUE

1==2

## [1] FALSE

Operatoren um Subset für Datensatz zu bekommen

Diese Operatoren eignen sich gut um Datensätze einzuschränken

Daten

##   Alter Geschlecht
## 1    20          m
## 2    35          w
## 3    48          w
## 4    12          m

Daten[AGE>20,]

##   Alter Geschlecht
## 2    35          w
## 3    48          w

Datensätze einschränken

Daten[SEX=="w",]

##   Alter Geschlecht
## 2    35          w
## 3    48          w

# gleiches Ergebnis:
Daten[SEX!="m",]

##   Alter Geschlecht
## 2    35          w
## 3    48          w

Weitere wichtige Optionen

# Ergebnis in ein Objekt speichern
subDat <- Daten[AGE>20,]

# mehrere Bedingeungen können mit
# & verknüpft werden:
Daten[AGE>18 & SEX=="w",]

##   Alter Geschlecht
## 2    35          w
## 3    48          w

Sequenzen

# Sequenz von 1 bis 10
1:10

##  [1]  1  2  3  4  5  6  7  8  9 10

Daten[1:3,]

##   Alter Geschlecht
## 1    20          m
## 2    35          w
## 3    48          w

Weitere Sequenzen

seq(-2,8,by=1.5)

## [1] -2.0 -0.5  1.0  2.5  4.0  5.5  7.0

a <-seq(3,12,length=12)

b <- seq(to=5,length=12,by=0.2)

d <- 1:10
d <- seq(1,10,1)
d <- seq(length=10,from=1,by=1)

Wiederholungen

# wiederhole 1 10 mal
rep(1,10)

##  [1] 1 1 1 1 1 1 1 1 1 1

rep("A",10)

##  [1] "A" "A" "A" "A" "A" "A" "A" "A" "A" "A"

Die Funktion paste

?paste

paste(1:4)

## [1] "1" "2" "3" "4"

paste("A", 1:6, sep = "")

## [1] "A1" "A2" "A3" "A4" "A5" "A6"

Wie bekommt man Hilfe?

• Um generell Hilfe zu bekommen:

help.start()

• Online Dokumentation für die meisten Funktionen:

help(name)

• Nutze ? um Hilfe zu bekommen.

?mean

• example(lm) gibt ein Beispiel für die lineare Regression

example(lm)

Nutzung Suchmaschinen

• Ich nutze meistens google
• Tippe:

R-project + Was ich schon immer wissen wollte

• Das funktioniert natürlich mit jeder Suchmaschine!

Stackoverflow

• Für Fragen zum Programmieren
• Ist nicht auf R fokussiert
• Sehr detailierte Diskussionen

Ein Schummelzettel - Cheatsheet

https://www.rstudio.com/resources/cheatsheets/

Modularer Aufbau

Modularer Aufbau

• Viele Funktionen sind im Basis-R enthalten
• Viele spezifische Funktionen sind in zusätzlichen Bibliotheken integriert
• R kann modular erweitert werden durch sog. packages bzw. libraries
• Auf CRAN werden die wichtigsten packages gehostet (im Moment 10430)
• Weitergehende Pakete finden sich z.B. bei bioconductor

install.packages("lme4")

library(lme4)

Installation von Paketen mit RStudio

Vorhandene Pakete und Installation

Übersicht viele nützliche Pakete:

• Luhmann - Tabelle mit vielen nützlichen Paketen

Die wichtigsten Pakete zur Visualisierung mit R:

• ggplot
• lattice
• Visualisierung kategorialer Daten
• Interaktive Visualisierungen
• plotrix
• Farbpaletten in R

Pakete Regression

• R-Paket MASS

• Autoregressive Modelle (Zeitreihen)

• Robuste Regressionen

• Nichtparametrische Regression

• Lasso Verfahren

Big Data

• Task View - High Performance Computing

Weitere interessante Pakete

Paket für den Import/Export - foreign

• Pakete für Survey Sampling

• Paket - Latex und R (xtable) (xtable Galerie)

• Paket zur Erzeugung von Dummies

• Multivariate Normalverteilung

• Paket für Karten

Pakete von Github installieren

install.packages("devtools")
library(devtools)

install_github("hadley/ggplot2")

Wie bekomme ich einen Überblick

• Explore Packages Currently on CRAN

• Pakete die in letzter Zeit von CRAN heruntergeladen wurden

Aufgabe - Zusatzpakete

Gehen Sie auf <cran.r-project.org> und suchen Sie in dem Bereich, wo die Pakete vorgestellt werden, nach Paketen,…

• die für die deskriptive Datenanalyse geeignet sind.
• um Regressionen zu berechnen
• um fremde Datensätze einzulesen (z.B. SPSS-Daten)
• um mit großen Datenmengen umzugehen

Datenimport

Dateiformate in R

• Von R werden quelloffene, nicht-proprietäre Formate bevorzugt
• Es können aber auch Formate von anderen Statistik Software Paketen eingelesen werden
• R-user speichern Objekte gerne in sog. Workspaces ab
• Auch hier jedoch gilt: (fast) alles andere ist möglich

Formate - base package

R unterstützt von Haus aus schon einige wichtige Formate:

• CSV (Comma Separated Values): read.csv()
• FWF (Fixed With Format): read.fwf()
• Tab-getrennte Werte: read.delim()

Der Arbeitsspeicher

So findet man heraus, in welchem Verzeichnis man sich gerade befindet

getwd()

So kann man das Arbeitsverzeichnis ändern:

Man erzeugt ein Objekt in dem man den Pfad abspeichert:

main.path <- "C:/" # Beispiel für Windows
main.path <- "/users/Name/" # Beispiel für Mac
main.path <- "/home/user/" # Beispiel für Linux

Und ändert dann den Pfad mit setwd()

setwd(main.path)

Bei Windows ist es wichtig Slashs anstelle von Backslashs zu verwenden.

Alternative - Arbeitsspeicher

Import von Excel-Daten

• library(foreign) ist für den Import von fremden Datenformaten nötig
• Wenn Excel-Daten vorliegen - als .csv abspeichern
• Dann kann read.csv() genutzt werden um die Daten einzulesen.
• Bei Deutschen Daten kann es sein, dass man read.csv2() wegen der Komma-Separierung braucht.

library(foreign)
?read.csv
?read.csv2

CSV Dateien einlesen

Zunächst muss das Arbeitsverzeichnis gesetzt werden, in dem sich die Daten befinden:

Dat <- read.csv("schuldaten_export.csv")

Wenn es sich um Deutsche Daten handelt:

Dat <- read.csv2("schuldaten_export.csv")

SPSS Dateien einlesen

Dateien können auch direkt aus dem Internet geladen werden:

link<- "http://www.statistik.at/web_de/static/
mz_2013_sds_-_datensatz_080469.sav"

?read.spss
Dat <- read.spss(link,to.data.frame=T)

stata Dateien einlesen

MZ02 <- read.dta("MZ02.dta")

• Einführung in Import mit R (is.R)

Das Paket rio

install.packages("rio")

library("rio")
x <- import("mtcars.csv")
y <- import("mtcars.rds")
z <- import("mtcars.dta")

• rio: A Swiss-Army Knife for Data I/O

Datenmanagement ähnlich wie in SPSS oder Stata

install.packages("Rz")
library(Rz)

Weitere Alternative Rcmdr

install.packages("Rcmdr")

• Funktioniert auch mit Rstudio

library(Rcmdr)

Aufgabe - Datenimport

• Gehen Sie auf meine Github Seite und laden Sie den OECD Datensatz herunter

• Laden Sie den Datensatz mit einer geeigneten Funktion in Ihre Console.

• Finden Sie heraus, wieviele Beobachtungen und Variablen der Datensatz umfasst.

Datenexport

R’s Exportformate

• In R werden offene Dateiformate bevorzugt
• Als Äquivalenz zu den read.X() Funktionen stehen viele write.X() Funktionen zur Verfügung
• Das eigene Format von R sind sog. Workspaces (.RData)

Beispieldatensatz erzeugen

A <- c(1,2,3,4)
B <- c("A","B","C","D")

mydata <- data.frame(A,B)

Überblick Daten Import/Export

save(mydata, file="mydata.RData")

Daten in Excel Format abspeichern

write.csv(mydata,file="mydata.csv") 

library(xlsx)
write.xlsx(mydata,file="mydata.xlsx") 

Daten in stata Format abspeichern

library(foreign)
write.dta(mydata,file="mydata.dta") 

Auch zum Export eignet sich das rio Paket

library("rio")

export(mtcars, "mtcars.csv")
export(mtcars, "mtcars.rds")
export(mtcars, "mtcars.dta")

Links Export

• Quick R für das Exportieren von Daten:

• Hilfe zum Export auf dem cran Server

• Zurück zur Gliederung.

Datenzugang

• Public-Use-File (PUF) Datei zur öffentlichen Nutzung - meist stark anonymisierte Daten (Beispiele: FDZ, Statistik Portal, Meine Region )

• Scientific-Use-File (SUF) - Datei zur wissenschaftlichen Nutzung - anonymisierte Daten, die zu wissenschaftlichen Zwecken und zur Sekundäranalyse genutzt werden können.

• On-Site-Nutzung - Arbeitsplätze für Gastwissenschaftler - Kontrollierte Datenfernverarbeitung

Datenquellen

• Auf dem Portal datahub.io sind sehr viele Beispieldatensätze in verschiedenen Formaten abrufbar.

• Weitere Portale: OpenGov, okfn, enigma, Amazon Web Services (AWS)

• Umweltdaten (National climatic data center)

• FAO Datenbank

library("FAOSTAT")

• Public Use File für Soziales in den USA Social security administration

• National health and nutrition examination survey

library(survey)
data(nhanes)

Das R-Paket datasets

library(datasets)

Beispiel Erdbeben Datensatz:

head(quakes)

Datensatz zum US Zensus

library(UScensus2010)

Weltbank Daten

WDI - World Development Indicators (World Bank) - Einführung in das Paket

library(WDI)

WDIsearch('gdp')[1:10,]

Nutzung von WDI Daten

dat <-  WDI(indicator='NY.GDP.PCAP.KD', country=c('MX','CA','US'), start=1960, end=2012)
head(dat)

Erste Grafik mit WDI Daten

OpenStreetMap

OpenStreetMap (OSM) ist ein kollaboratives Projekt um eine editierbare Weltkarte zu erzeugen.

Wikipedia - OpenStreetMap

Download von OpenStreetMap Daten

library(osmar)
api <- osmsource_api()
library(ggmap)

cityC <- geocode("Berlin",source="google")
bb <- center_bbox(cityC$lon,cityC$lat,1000, 1000)
uaBerlin <- get_osm(bb, source = api)

• Ausschnitte von OpenStreetMap für einzelne Städte (metro extracts)

• Liste möglicher Datenquellen für räumliche Analysen (weltweit, Deutschland )

• SALB - Administrative Grenzen

• Kartendaten (openaprs)

TwittR

library(twitteR)
library(streamR)

http://www.r-bloggers.com/mapping-the-world-with-tweets-including-a-gif-without-cats-and-a-shiny-app/

worldHires Daten

library(mapdata)
data(worldHiresMapEnv)
map('worldHires', col=1:10)

Historische Daten

• Historischer Geocoder

• Paket HistData

library(HistData)
data(Arbuthnot)

GDELT Daten

• GDELT
• Nutzung von GDELT Daten (Beispiel 1, Beispiel 2)

library(GDELTtools)
test.filter <- list(ActionGeo_ADM1Code=c("NI", "US"), ActionGeo_CountryCode="US")
test.results <- GetGDELT(start.date="1979-01-01", end.date="1979-12-31",
                         filter=test.filter)

Andere Datenquellen

• Die US Flughäfen und Fluglinien

• Mehr Daten hier

link1 <- "http://openflights.svn.sourceforge.net/viewvc/openflights/
openflights/data/airports.dat"
airport <- read.csv(link1, header = F)

link2 <- "http://openflights.svn.sourceforge.net/viewvc/openflights/
openflights/data/routes.dat"
route <- read.csv(link2, header = F)

• Hafen Daten (Natural earth data)

• Minimalistische Karten

• Census results - Germany
• Census results - Britain and boundaries

• Data on airports and an example on the usage in R

• ADFC/opengeodb

link <- "http://www.fa-technik.adfc.de/code/opengeodb/DE9.tab"
info <- read.csv(link,sep="\t",header=F)

Weitere Quellen

• ICEDS European Data Server

• Mobilfunkdaten, CO2 Emmissionen

• Daten für New York (Daten, Beispiel

Streuungsmaße

Im base Paket sind die wichtigsten Streuungsmaße enthalten:

• Varianz: var()
• Standardabweichung: sd()
• Minimum und Maximum: min() und max()
• Range: range()

ab <- rnorm(100); var(ab)

## [1] 0.905472

sd(ab); range(ab)

## [1] 0.9515629

## [1] -2.928560  2.096803

Extremwerte

min(ab)

## [1] -2.92856

max(ab)

## [1] 2.096803

Fehlende Werte

• Sind NAs vorhanden muss dies der Funktion mitgeteilt werden

ab[10] <- NA

var(ab)

## [1] NA

Bei fehlenden Werten muss ein weiteres Argument mitgegeben werden:

var(ab,na.rm=T)

## [1] 0.896406

Häufigkeiten und gruppierte Kennwerte

• Eine Auszählung der Häufigkeiten der Merkmale einer Variable liefert table()
• Mit table() sind auch Kreuztabellierungen möglich indem zwei Variablen durch Komma getrennt werden: table(x,y) liefert Häufigkeiten von y für gegebene Ausprägungen von x

x <- sample(1:10,100,replace=T)

table(x)

## x
##  1  2  3  4  5  6  7  8  9 10 
##  9 10 17 14  6 10  6 10  9  9

Tabellieren - weiteres Beispiel

musician <- sample(c("yes","no"),100,replace=T)

?table

table(x)

## x
##  1  2  3  4  5  6  7  8  9 10 
##  9 10 17 14  6 10  6 10  9  9

table(x,musician)

##     musician
## x    no yes
##   1   5   4
##   2   3   7
##   3  11   6
##   4   4  10
##   5   4   2
##   6   5   5
##   7   4   2
##   8   7   3
##   9   5   4
##   10  3   6

Eine weitere Tabelle

data(esoph)
table(esoph$agegp)

## 
## 25-34 35-44 45-54 55-64 65-74   75+ 
##    15    15    16    16    15    11

Häufigkeitstabellen

• prop.table() liefert die relativen Häufigkeiten
• Wird die Funktion außerhalb einer table() Funktion geschrieben erhält man die relativen Häufigkeiten bezogen auf alle Zellen

Die Funktion prop.table()

table(esoph$agegp,esoph$alcgp)

##        
##         0-39g/day 40-79 80-119 120+
##   25-34         4     4      3    4
##   35-44         4     4      4    3
##   45-54         4     4      4    4
##   55-64         4     4      4    4
##   65-74         4     3      4    4
##   75+           3     4      2    2

Die Funktion prop.table

?prop.table

prop.table(table(esoph$agegp,
esoph$alcgp),1)

##        
##         0-39g/day     40-79    80-119      120+
##   25-34 0.2666667 0.2666667 0.2000000 0.2666667
##   35-44 0.2666667 0.2666667 0.2666667 0.2000000
##   45-54 0.2500000 0.2500000 0.2500000 0.2500000
##   55-64 0.2500000 0.2500000 0.2500000 0.2500000
##   65-74 0.2666667 0.2000000 0.2666667 0.2666667
##   75+   0.2727273 0.3636364 0.1818182 0.1818182

Die aggregate Funktion

• Mit der aggregate() Funktion können Kennwerte für Untergruppen erstellt werden
• aggregate(x,by,FUN) müssen mindestens drei Argumente übergeben werden:

aggregate(state.x77,by=list(state.region),mean)

##         Group.1 Population   Income Illiteracy Life Exp    Murder  HS Grad
## 1     Northeast   5495.111 4570.222   1.000000 71.26444  4.722222 53.96667
## 2         South   4208.125 4011.938   1.737500 69.70625 10.581250 44.34375
## 3 North Central   4803.000 4611.083   0.700000 71.76667  5.275000 54.51667
## 4          West   2915.308 4702.615   1.023077 71.23462  7.215385 62.00000
##      Frost      Area
## 1 132.7778  18141.00
## 2  64.6250  54605.12
## 3 138.8333  62652.00
## 4 102.1538 134463.00

x: ein oder mehrere Beobachtungsvektor(en) für den der Kennwert berechnet werden soll

by: eine oder mehrere bedingende Variable(n)

FUN: die Funktion welche den Kennwert berechnet (z.B. mean oder sd)

• Die Ausgabe kann mit Hilfe von xtabs() in eine schöne zweidimensionale Tabelle überführt werden

Beispieldatensatz - apply Funktion

ApplyDat <- cbind(1:4,runif(4),rnorm(4))

apply(ApplyDat,1,mean)

## [1] 0.2525712 1.4252776 1.0209842 1.8218634

apply(ApplyDat,2,mean)

## [1] 2.5000000 0.7689200 0.1216024

Die Funktion apply

apply(ApplyDat,1,var)

## [1] 0.8120648 0.2849767 3.4899658 3.5719706

apply(ApplyDat,1,sd)

## [1] 0.9011464 0.5338321 1.8681450 1.8899658

apply(ApplyDat,1,range)

##            [,1]      [,2]       [,3]     [,4]
## [1,] -0.7481021 0.9449207 -0.7118865 0.615486
## [2,]  1.0000000 2.0000000  3.0000000 4.000000

apply(ApplyDat,1,length)

## [1] 3 3 3 3

Argumente der Funktion apply

• Für margin=1 die Funktion mean auf die Reihen angewendet,

• Für margin=2 die Funktion mean auf die Spalten angewendet,

• Anstatt mean können auch andere Funktionen wie var, sd oder length verwendet werden.

Die Funktion tapply

ApplyDat <- data.frame(Income=rnorm(5,1400,200),
                       Sex=sample(c(1,2),5,replace=T))

• Auch andere Funktionen können eingesetzt werden…. - Auch selbst programmierte Funktionen
• Im Beispiel wird die einfachste eigene Funktion angewendet.

ApplyDat

##     Income Sex
## 1 1257.376   1
## 2 1071.330   1
## 3 1105.388   1
## 4 1390.398   2
## 5 1177.605   1

Beispiel Funktion tapply

tapply(ApplyDat$Income,ApplyDat$Sex,mean)

##        1        2 
## 1152.925 1390.398

tapply(ApplyDat$Income,
       ApplyDat$Sex,function(x)x)

## $`1`
## [1] 1257.376 1071.330 1105.388 1177.605
## 
## $`2`
## [1] 1390.398

Links Datenanalyse

• Die Benutzung von apply, tapply, etc. (Artikel bei R-bloggers)

• Quick-R zu deskriptiver Statistik

• Quick-R zur Funktion aggregate

Aufgabe - Apply Funktion anwenden

• Erstellen Sie eine Matrix A mit 4 Zeilen und 25 Spalten, die die Werte 1 bis 100 enthält. Analog dazu erstellen Sie eine Matrix B mit 25 Zeilen und 4 Spalten, die die Werte 1 bis 100 enthält.

• Berechnen Sie mittels dem apply()-Befehl den Mittelwert und die Varianz für jede Zeile von A bzw. B.

• Berechnen Sie mittels dem apply()-Befehl den Mittelwert und die Varianz für jede Spalte von A bzw. B.

• Standardisieren ist eine häuge Transformation von Daten; dafür wird der Mittelwert von der entsprechenden Zeile o der Spalte abgezogen und durch die entsprechende Standardab- weichung geteilt. Somit b esitzen die Daten einen Mittelwert von 0 und eine Standardab- weichung von 1. Standardisieren Sie die Spalten der Matrix A .

Zurück zur Gliederung.